关键词：
前言：腾讯AI Lab共有12篇论文入选在美国新奥尔良举行的国际人工智能领域顶级学术会议AAAI 2018。腾讯技术工程官方号编译整理了现场陈述论文《使众包配对排名聚合信息最大化的 HodgeRank》（HodgeRank with Information Maximization for Crowdsourced Pairwise Ranking Aggregation），该论文被AAAI 2018录用为现场陈述报告（Oral Presentation），由中国科学院信息工程研究所、腾讯AI Lab、北京大学等共同完成。
中文概要
众包近来已经成为了许多领域解决大规模人力需求的有效范式。但是任务发布者通常预算有限，因此有必要使用一种明智的预算分配策略以获得更好的质量。在这篇论文中，我们在 HodgeRank 框架中研究了用于主动采样策略的信息最大化原理；其中HodgeRank 这种方法基于多个众包工人（worker）的配对排名数据的霍奇分解（Hodge Decomposition）。
该原理给出了两种主动采样情况：费希尔信息最大化（Fisher information maximization）和贝叶斯信息最大化（Bayesian information maximization）。其中费希尔信息最大化可以在无需考虑标签的情况下基于图的代数连接性（graph algebraic connectivity）的序列最大化而实现无监督式采样；贝叶斯信息最大化则可以选择从先验到后验的过程有最大信息增益的样本，这能实现利用所收集标签的监督式采样。实验表明，相比于传统的采样方案，我们提出的方法能提高采样效率，因此对实际的众包实验而言是有价值的。
英文概要
Recently, crowdsourcing has emerged as an effective paradigm for human-powered large scale problem solving in various domains. However, task requester usually has a limited amount of budget, thus it is desirable to have a policy to wisely allocate the budget to achieve better quality. In this paper, we study the principle of information maximization for active sampling strategies in the framework of HodgeRank, an approach based on Hodge Decomposition of pairwise ranking data with multiple workers.
The principle exhibits two scenarios of active sampling: Fisher information maximization that leads to unsupervised sampling based on a sequential maximization of graph algebraic connectivity without consideringlabels; and Bayesian information maximization that selects samples with the largest information gain from prior to posterior, which gives a supervised sampling involving the labels collected. Experiments show that the proposed methods boost the sampling efficiency as compared to traditional sampling schemes and are thus valuable to practical crowdsourcing experiments.
英文演讲PPT
In this paper, we present a principle of active sampling based on information maximization in the framework of HodgeRank.
Our contributions in this work are three fold:
1. A new version of Hodge decomposition of pairwise comparison data with multiple voters is presented. Within this framework, two schemes of information maximization, Fisher and Bayesian that lead to unsupervised and supervised sampling respectively, are systematically investigated.
2. Closed form update and a fast online algorithm are derived for supervised sampling with Bayesian information maximization for HodgeRank, which is shown faster and more accurate than the state-of-the-art method Crowd-BT (Chen et al.2013).
3. These schemes exhibit better sampling efficiency than random sampling as well as a better loop-free control in clique complex of paired comparisons, thus reduce the possibility of causing voting chaos by harmonic ranking (Saari 2001) (i.e., the phenomenon that the inconsistency of preference data may lead to totally different aggregate orders using different methods).
腾讯技术工程|腾讯ailab11篇论文精选：图像描述nmt模型图卷积神经网络等
...018将于2月2日至7日在美国新奥尔良举行，在本届大会上，腾讯AILab有11篇论文被录用，涉及图像描述、更低计算成本的预测表现、NMT模型中的特定翻译问题、自适应图卷积神经网络、DNN面对对抗样本的优化问题等，本文精选了11篇... 查看详情
腾讯技术工程|腾讯ailab刷新人脸识别与检测两大测评国际记录，技术日调用超六亿
2017年12月18日，深圳-腾讯AILab研发的FaceR-FCN和FaceCNN算法分别在国际最大、最难的人脸检测平台WIDERFACE与最热门权威的人脸识别平台MegaFace多项评测指标中荣膺榜首，刷新行业纪录，展现其在计算机视觉领域中，特别是人脸技术上... 查看详情
腾讯技术工程|腾讯ailab解析2017nips三大研究方向，启动教授及学生合作项目
...做独家解析。第三部分回顾了NIPS的会议情况，并简介了腾讯AILab入选的八篇论文。NIPS被誉为机器学习和人工智能研究领域最具影响力，也是参会人数最多的的学术会议。腾讯AILab去年4月成立，今年第二次参加NIPS，共有8篇文章被... 查看详情
腾讯ailab解读两项nlp成果
...仅做学术分享，如有侵权，联系删除转载于：腾讯AI实验室自然语言处理（NLP）领域顶级会议ACL2021于8月2日至5日在线上举行。本届ACL共收到3350篇论文投稿，其中主会论文录用率为21.3%。据不完 查看详情
腾讯ailab解读两项nlp成果
...仅做学术分享，如有侵权，联系删除转载于：腾讯AI实验室自然语言处理（NLP）领域顶级会议ACL2021于8月2日至5日在线上举行。本届ACL共收到3350篇论文投稿，其中主会论文录用率为21.3%。据不完 查看详情
厉害了！腾讯ailab首次参加知识图谱顶级赛事kbp2017，就夺得世界冠军
...构建大赛（KnowledgeBasePopulation，简称KBP）结果近日揭晓，腾讯AILab首次参赛，斩获实体发现与链接（EntityDiscoveryandLinkingTrack，EDL）任务冠军。KBP大赛始办于2009年，是国际上影响力最大、水平最高的知识图谱领域赛事，此次夺冠体... 查看详情
腾讯副总裁姚星：腾讯ailab将致力打造通往agi之路
背景：3月15日，腾讯AILab第二届学术论坛在深圳举行，聚焦人工智能在医疗、游戏、多媒体内容、人机交互等四大领域的跨界研究与应用。全球30位顶级AI专家出席，对多项前沿研究成果进行了深入探讨与交流。今天，腾讯副总裁... 查看详情
腾讯论文入选ai国际顶会，详细解读nlp研究成果
...8;NLP）领域顶级会议ACL-IJCNLP2021公布了论文接收情况。腾讯有50余篇论文被接收，又一次刷新了论文录取数量纪录，领跑国内业界AI研究第一梯队。本文将对腾讯AILab主导的两篇论文进行详细解读。ACL2021杰出论文：... 查看详情
ai+游戏：高效利用样本的强化学习|腾讯ailab学术论坛演讲
3月15日，腾讯AILab第二届学术论坛在深圳举行，聚焦人工智能在医疗、游戏、多媒体内容、人机交互等四大领域的跨界研究与应用。全球30位顶级AI专家出席，对多项前沿研究成果进行了深入探讨与交流。腾讯AILab还宣布了2018三大... 查看详情
知乎热议！2021大厂ailab现状盘点，网友：名存实亡
...级AILab,首先想到的便是三巨头BAT。 「达摩院半死不活、腾讯优图沦落为内部算法外包、百度AILab在Andrew离职后一蹶不振。」 还有字节AILab直接变成业务中台。 与国外Deepmind、FAIR、GoogleResearch等实验室对标，国内大厂的AILab... 查看详情
用ai助力生命科学研究，腾讯ailab三项成果登上国际顶级学术期刊
近日，腾讯AILab三项研究分别入选国际顶级学术期刊NatureMethods和NatureCommunications，再次展示了在生命科学前沿领域上国际领先的技术实力。这三项研究成果都属于生物细胞研究中的空间组学技术，对于推动精准医疗、... 查看详情
从研究到应用：腾讯ailab的自然语言理解和生成
3月16日在腾讯AILab第二届学术论坛上，腾讯AILab高级研究员李菁博士介绍了实验室目前在NLP方面重点关注的两大方向——如何理解和生成自然语言，并介绍了实验室的相关研究和应用成果。自然语言的理解自然语言理解的目标是... 查看详情
腾讯ailab计算机视觉中心人脸&ocr团队近期成果介绍
欢迎大家前往腾讯云社区，获取更多腾讯海量技术实践干货哦~作者：周景超在上一期中介绍了我们团队部分已公开的国际领先的研究成果，近期我们有些新的成果和大家进一步分享。1人脸进展人脸是最重要的视觉信息之一。以... 查看详情
中科大教授吴锋：多智能体的分布式在线决策|腾讯ailab学术论坛演讲
3月15日，腾讯AILab第二届学术论坛在深圳举行，聚焦人工智能在医疗、游戏、多媒体内容、人机交互等四大领域的跨界研究与应用。全球30位顶级AI专家出席，对多项前沿研究成果进行了深入探讨与交流。腾讯AILab还宣布了2018三大... 查看详情
腾讯技术工程|腾讯移动分析系统揭密
作者简介：foreach，2012年加入腾讯，一直专注于腾讯大数据产品建设，重点参与腾讯移动分析（MTA）、腾讯移动推送（信鸽）等核心产品研发，亲身经历两款产品从0开始到数十万开发者使用的过程。目前专注于系统改造优化，以... 查看详情
腾讯技术工程|qq相册后台存储架构重构与跨idc容灾实践
作者简介：xianmau，2015年加入腾讯TEG架构平台部，一直负责QQ相册平台的维护和建设，主导相册上传架构重构和容灾优化等工作。主要研究方向为口语对话系统、分布式系统架构设计和优化，发表对话系统相关学术论文3篇，系统... 查看详情
腾讯技术工程|腾讯海外计费系统架构演进
作者简介：abllen，2008年加入腾讯，一直专注于腾讯计费平台建设，主导参与了腾讯充值中心、计费开放平台、统一计费米大师等项目，见证了米大师从0到1，业务营收从PC到移动多终端再到全球化的跨越过程。20+篇支付专利主撰... 查看详情
腾讯技术工程|腾讯企业级消息中间件cmq技术解密
作者简介：ziza，2012年加入腾讯，一直专注于腾讯中间件产品的建设，主导参与了腾讯消息中间件CMQ、CKafka、MQforIoT等项目，见证了腾讯云消息服务从0到1的整个过程。目前专注于于分布式服务开发与治理平台TSF的建设。大规模分... 查看详情